Fahrzeugsicherheit und automatisiertes Fahren

Dieses Buch behandelt Methoden der Signalverarbeitung und des maschinellen Lernens, die in der integralen Fahrzeugsicherheit und für das automatisierte Fahren benötigt werden. Es vermittelt die mathematischen Grundlagen, um eigene Algorithmen für automatisierte Eingriffe in die Fahrzeugführung zu entwerfen und zu implementieren. Das Buch wendet sich an Ingenieure aus dem Bereich Automotive sowie Studenten und Doktoranden der Ingenieurwissenschaften.

Folgende Themen werden behandelt:

Maschinelles Lernen (inklusive Deep Learning): Grundlagen und Anwendungen für das automatisierte Fahren, Convolutional Neural Networks, Random Forest, Autoencoder

Fahrzeugmodelle und Trajektorien: Fahrdynamikmodelle für die aktive Fahrzeugsicherheit und das automatisierte Fahren, Trajektorienplanung und Trajektorienfolgeregler, Kollisionsmodelle für die passive Fahrzeugsicherheit

Statistische Signalverarbeitung: Grundlagen der statistischen Filterung sowie Tracking von Objekten in der Fahrzeugumgebung, Kalman-Filter, Fusion von Sensordaten

Zeit- und Frequenzdarstellung von Signalen (z.B. Filterung von Beschleunigungssignalen in Airbag-Steuergeräten)

Mathematische Grundlagen für den Entwurf von Algorithmen: lineare Algebra, Optimierung, Wahrscheinlichkeitstheorie und lineare Systeme


Die einzelnen Schwerpunkte werden durch Übungsaufgaben mit Musterlösungen sowie Matlab-Skripte veranschaulicht.